基于深度学习的变焦方法、设备以及存储介质与流程

本技术涉及图像处理，特别是涉及一种基于深度学习的变焦方法、设备以及存储介质。

背景技术：

1、随着图像处理领域以及计算机视觉领域的相关技术的飞速发展，对图像的采集与传输已经普及到生活的各个方面。

2、尤其在某些特殊场景下，比如铁路道路检测、电力输电线路检测或者管道检测、仪器仪表读数检测等诸多工业场景下，需要在远距离、大倍率下仍旧能够快速清晰地聚焦于采集图像的感兴趣区域中的目标对象。

3、但是受限于镜头的光学成像原理，尤其是长焦镜头往往使得采集图像中的目标对象和背景无法同时保持聚焦清晰，通常可表现为聚焦评价函数存在双波峰的情况。在用户使用过程中，则可能导致用户原本期望聚焦于采集图像中的前景目标对象，但实际镜头聚焦到图像远景的问题，降低变焦准确性。

技术实现思路

1、本技术至少提供一种基于深度学习的变焦方法、装置、设备以及计算机可读存储介质。

2、本技术第一方面提供了一种基于深度学习的变焦方法，包括：将图像采集设备采集到的目标图像输入预先训练的扩散模型中，得到所述扩散模型输出的聚焦预测图像；对比所述目标图像中的目标聚焦区域与所述聚焦预测图像中的预测聚焦区域，得到聚焦对比结果；根据所述聚焦对比结果对所述图像采集设备进行变焦处理。

3、在一实施例中，在所述将图像采集设备采集到的目标图像输入预先训练的扩散模型中，得到所述扩散模型输出的聚焦预测图像的步骤之前，所述方法还包括：分别对图像采集设备采集到的第一图像和第二图像进行聚焦评价处理，得到所述第一图像对应的第一聚焦评价值和所述第二图像对应的第二聚焦评价值；其中，所述第一图像和所述第二图像的图像采集焦距不同；根据所述第一聚焦评价值、所述第二聚焦评价值和预设聚焦评价阈值判断所述第一聚焦评价值和所述第二聚焦评价值之间是否存在聚焦评价峰值；响应于所述第一聚焦评价值和所述第二聚焦评价值之间存在所述聚焦评价峰值，将所述第一图像或所述第二图像确定为所述目标图像。

4、在一实施例中，在所述对比所述目标图像中的目标聚焦区域与所述聚焦预测图像中的预测聚焦区域的步骤之前，所述方法还包括：根据所述目标图像的清晰度确定所述目标图像中的目标聚焦区域，以及根据所述聚焦预测图像的清晰度确定所述聚焦预测图像中的预测聚焦区域；所述对比所述目标图像中的目标聚焦区域与所述聚焦预测图像中的预测聚焦区域，得到聚焦对比结果的步骤，包括：对比所述目标聚焦区域的位置信息和所述预测聚焦区域的位置信息，得到所述目标聚焦区域和所述预测聚焦区域之间的位置偏差，并根据所述位置偏差确定所述聚焦对比结果。

5、在一实施例中，所述根据所述目标图像的清晰度确定所述目标图像中的目标聚焦区域，以及根据所述聚焦预测图像的清晰度确定所述聚焦预测图像中的预测聚焦区域的步骤，包括：分别对所述目标图像和所述聚焦预测图像进行图像分割处理，得到所述目标图像中的多个目标子图像以及所述聚焦预测图像中的多个聚焦预测子图像；将各个目标子图像中的清晰度最高的目标子图像确定为所述目标聚焦区域，以及将各个聚焦预测子图像中的清晰度最高的聚焦预测子图像确定所述预测聚焦区域。

6、在一实施例中，所述根据所述位置偏差确定所述聚焦对比结果的步骤，包括：响应于所述位置偏差大于预设偏差阈值，判定所述图像采集设备聚焦失败，得到所述聚焦对比结果；响应于所述位置偏差小于或等于所述预设偏差阈值，判定所述图像采集设备聚焦成功，得到所述聚焦对比结果。

7、在一实施例中，所述根据所述聚焦对比结果对所述图像采集设备进行变焦处理的步骤，包括：响应于所述聚焦对比结果表征所述图像采集设备聚焦失败，根据预设变焦步长对所述图像采集设备进行变焦处理，并获取所述图像采集设备在变焦处理之后获取到第三图像和第四图像；其中，所述第三图像和所述第四图像的图像采集焦距不同；分别对所述第三图像和第四图像进行聚焦评价处理，得到所述第三图像对应的第三聚焦评价值和所述第四图像对应的第四聚焦评价值；响应于所述第三聚焦评价值和所述第四聚焦评价值之间存在峰值，缩小所述预设变焦步长，得到缩小后的变焦步长；根据所述缩小后的变焦步长对所述图像采集设备进行变焦处理，直至所述图像采集设备采集到的第五图像和第六图像之间的聚焦评价差值小于预设的聚焦误差阈值。

8、在一实施例中，所述根据所述缩小后的变焦步长对所述图像采集设备进行变焦处理，直至所述图像采集设备采集到的第五图像和第六图像之间的聚焦评价差值小于预设的聚焦误差阈值的步骤，包括：根据所述缩小后的变焦步长调整所述图像采集设备的图像采集焦距，得到调整后的图像采集焦距；控制所述图像采集设备根据所述调整后的图像采集焦距进行图像采集，得到所述第五图像和所述第六图像；其中，所述第五图像和所述第六图像的图像采集焦距不同。

9、在一实施例中，在所述控制所述图像采集设备根据所述调整后的图像采集焦距进行图像采集，得到所述第五图像和所述第六图像的步骤之后，所述方法还包括：分别对所述第五图像和所述第六图像进行聚焦评价处理，得到所述第五图像对应的第五聚焦评价值和所述第六图像对应的第六聚焦评价值；根据所述第五聚焦评价值和所述第六聚焦评价值确定所述聚焦评价差值；响应于所述聚焦评价差值小于或等于所述聚焦误差阈值，暂停或停止对所述图像采集设备进行变焦处理

10、在一实施例中，所述分别对图像采集设备采集到的第一图像和第二图像进行聚焦评价处理，得到所述第一图像对应的第一聚焦评价值和所述第二图像对应的第二聚焦评价值的步骤，包括：获取所述第一图像的灰度值；根据预设的聚焦评价函数和所述第一图像的灰度值进行计算，得到所述第一聚焦评价值。

11、在一实施例中，在所述将图像采集设备采集到的目标图像输入预先训练的扩散模型中，得到所述扩散模型输出的聚焦预测图像的步骤之前，所述方法还包括：将获取到的样本图像输入待训练的初始模型中，以使所述初始模型对所述样本图像进行正向扩散处理，得到噪声图像；其中，所述样本图像聚焦于目标区域；根据所述初始模型对所述噪声图像进行反向扩散处理，得到去噪图像和所述去噪图像对应的模型损失值；根据所述损失值对所述初始模型进行模型训练，得到所述扩散模型。

12、本技术第二方面提供了一种基于深度学习的变焦装置，包括：聚焦预测模块，用于将图像采集设备采集到的目标图像输入预先训练的扩散模型中，得到所述扩散模型输出的聚焦预测图像；聚焦对比模块，用于对比所述目标图像中的目标聚焦区域与所述聚焦预测图像中的预测聚焦区域，得到聚焦对比结果；变焦处理模块，用于根据所述聚焦对比结果对所述图像采集设备进行变焦处理。

13、本技术第三方面提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述基于深度学习的变焦方法。

14、本技术第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述基于深度学习的变焦方法。

15、上述方案，通过将图像采集设备采集到的目标图像输入预先训练的扩散模型中，由扩散模型对接收到的目标图像进行扩散处理，得到扩散模型输出的聚焦预测图像；将目标图像中的目标聚焦区域与聚焦预测图像中的预测聚焦区域进行对比，得到聚焦对比结果，由此可以根据聚焦对比结果判断图像采集设备基于当前变焦参数所采集到的目标图像的目标区域是否与扩散模型预测的聚焦预测图像中的预测聚焦区域相匹配；根据所述聚焦对比结果对所述图像采集设备进行变焦处理，由此能够实现基于深度学习技术对图像采集设备进行变焦，提高变焦过程的变焦准确性。

16、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本技术。